| Résumé | Dans cette thèse, l'auteur expose une théorie de la décision dans un contexte d'achat dynamique où l'on doit choisir éventuellement entre de nombreux groupes de produits offerts éventuellement par de nombreux fournisseurs. Le <em>problème de l'achat combinatoire en ligne</em> est le type de problème auquel est confronté l'acheteur qui opère dans un tel contexte lorsqu'il doit décider quelle combinaison de produits acheter, de qui l'acheter et à quel moment, afin de maximiser la satisfaction globale. La maximisation de l'espérance d'utilité est le critère sur lequel repose la prise de décision. Pour faciliter l'échange d'information probabiliste et temporelle entre les fournisseurs et les acheteurs, l'auteur définit le protocole PQR. La théorie considère deux modèles d'achat particuliers, le premier autorisant seulement l'achat groupé complet en tout temps et le second autorisant l'achat groupé partiel. Dans le premier modèle, l'auteur met au point une procédure de décision qui exploite des périodes futures où seront offertes plusieurs options; avec cette procédure, on obtient une espérance d'utilité plus grande que si on recherchait uniquement le groupe de produits auquel est associée l'espérance d'utilité la plus élevée. Dans le second modèle, l'auteur définit le <em>QR-tree</em> comme un arbre de décision pouvant être exponentiellement plus petit que les arbres de décision classiques lorsqu'il sert à modéliser le même système de décisions. Enfin, l'auteur met au point des méthodes de Monte Carlo efficaces qui résolvent le <em>QR-tree</em> en temps linéaire par rapport au nombre de noeuds dans l'arbre. Les résultats montrent que ces algorithmes évaluent l'espérance d'utilité avec une précision jusqu'à 25 fois plus grande que celle obtenue avec un algorithme glouton qui recherche toujours le groupe de produits ayant l'espérance d'utilité courante la plus élevée. |
|---|
